0.3MB

卒業論文要旨
青果物の色合い判定に関する非線形識別の検討
AI・知能システム研究室
西浦耕平
した．側面 4 方向画像の
１．はじめに
現在，青果物を対象とした選別機は重量を基準としたものが
反応値の加算平均をと
ほとんどであり，外観品質の選別作業は長時間の目視によって
り，その大小関係を用い
行われている．そのため，選別基準の均一化が困難となり商品
て識別結果を求めた．実
価値の低下が問題となっている．先行研究では選別対象をピー
験は背景差分に使う画
マンとした選別作業の自動化及び選別基準の均一化を目的とし
たカラー画像による全面検査選別システムの開発を行った．[1]
本研究では，色合いによって判定レベルの異なるピーマンな
どの青果物を精度良く識別するため色合い判定に関する非線形
像を有り，なし，黒+白
枠の 3 回行った．差分画
像を図４に，実験の結果
図 3 実験フローチャート
を表１に示す．
識別を検討する．
２. システム概要
本システムは，搬送部、撮像部、識別部により構成されてい
る。図１に本システムの内部を示す．
以下にシス
テムの動作
手順を示す．
図４差分画像
はじめに
表 1 識別実験結果
複数個の選
別対象を投
入位置に
投入する．
図 1 長楕円体状青果物全面検査システムの内部
次に複数
台のベルトコンベアを用いて撮像部までに選別対象を 1 個に分
離する．そして全面の撮像に対し影響の尐ないテグスを用いて
黄色
赤色
緑色
橙色
黄色
赤色
緑色
橙色
撮像位置まで搬送を行い，web カメラを用いて撮像を行う．そ
の後，選別対象の色相に対する識別を行う．
今回，識別にはニューラルネットワークを用いている．これ
により非線形識別が可能となり識別性能が向上すると思われる．
３．ニューラルネットワークを用いた青果物の学習登録
撮像画像をニューラルネットワークを用いた学習を行い，評
価を行う．本研究では，非線形識別が可能な最尐構造である 3
層構造の階層型ニューラルネットワークを導入する．学習に使
う階層型ニューラルネットワークを図 2 に示す．
背景差分あり
成功
失敗
15
0
7
8
15
0
15
0
背景差分なし
成功
失敗
15
0
15
0
11
4
12
3
背景差分あり（黒＋白枠）
成功
失敗
15
0
15
0
15
0
15
0
識別率(%)
100.0
46.7
100.0
100.0
識別率(%)
100.0
100.0
73.3
80.0
識別率(%)
100.0
100.0
100.0
100.0
背景差分あり（黒+白枠）では，すべての色において識別率が
黄色
赤色
緑色
橙色
100%となった．
５．考察
表１より，背景差分ありの結果において，赤色の識別率が低
い．これは背景差分を取った際ピーマンの色も消えてしまった
ためだと考えられる．背景差分なしの結果では緑色、橙色での
識別率が低い．これはニューラルネットワークの入力に背景の
画素を使用し，うまくピーマンの色を取れなかったためだと考
えられる．最後に行った背景差分あり（黒＋白枠）では NN の反
応値も安定しており識別率を 100%にすることができた．
６．まとめ
色相の違いで判断基準の異なる青果物に対し，本研究では色
相識別にニューラルネットワークを導入し，色相識別の基本特
図 2 階層型ニューラルネットワーク
４．色相識別実験
本実験では，黄，赤，緑，橙の各色 20 個のピーマンを側面 4
方向から同時撮像し，そこから 5 個を学習用，15 個を識別用と
性を検証した．今回の実験から，ニューラルネットワークを用
いた色相の識別は有効であることが分かった．
参考文献
[1] 西浦耕平，竹田史章，“青果物の色合い判定に関する非線形識別
の検討”，
平成 27 年度 SICE 四国支部学術講演会論文集，
1-01

Download Report